目次
Matplotlib は、Python用の2 次元プロット ライブラリであり、出版品質やクロスプラットフォームのインタラクティブ環境を満たすさまざまなグラフィックを生成するために使用されます。
ゼロ、グラフィック分析とワークフロー
0.1 グラフィック分析
0.2 ワークフロー
Matplotlib プロット基本的な手順は、1-データの準備、2-グラフィックの作成、3-描画、4-設定のカスタマイズ、5-グラフィックの保存、6-グラフィックの表示の6つのステップが一般的です。
>>> import matplotlib.pyplot as plt
>>> x = [1,2,3,4]
>>> y = [10,20,25,30]
# 步骤1
>>> fig = plt.figure()
# 步骤2
>>> ax = fig.add_subplot(111)
# 步骤3
>>>ax.plot(x,y,color='lightblue',linewidth=3)
# 步骤4、5
>>> ax.scatter([2,4,6], [5,15,25], color='darkgreen', marker='^')
>>> ax.set_xlim(1, 6.5)
>>> plt.savefig('foo.png')
>>> plt.show()
# 步骤6
上記のコードについては、以下で説明します。
ステップ 1新しい Figure オブジェクトを作成します。plt.figure() グラフィカル要素を追加できる新しい空の描画領域を返します。
ステップ 2図にサブグラフを追加します。fig.add_subplot(111) 単一の subplot を含む Axes オブジェクトを追加します。ここでのパラメータ (111) は ** を意味します作図領域全体を 1 行 1 列のグリッドに分割し、最初のサブプロットを選択します**。
ステップ 3 では、サブプロット上に折れ線グラフを描画します。ax.plot(x, y, color='lightblue', linewidth=3) 指定された x 値と y 値を使用して線を描画します。指定された線の色は水色、線の幅は 3 です。
ステップ 4 と 5 では、サブプロットに散布図を追加します。ax.scatter([2,4,6], [5,15,25], color='darkgreen', marker='^') 座標 (2, 5), (4, 15), (6, 25) ） 場所3 つのスキャッターを追加する色は濃い緑色で、形は三角形です。
ステップ 4 と 5 では、ax.set_xlim() メソッドも呼び出して、データと散布点の表示に合わせてX 軸の表示範囲を 1 ～ 6.5 に設定します。
ステップ 6グラフィックを画像ファイルとして保存します。plt.savefig('foo.png') は、現在の Figure を "foo.png" という名前の画像ファイルとして保存します。
最後のステップではグラフを表示します。plt.show()ポップアップウィンドウにグラフを表示します。すべての描画プロセスが終了したら、グラフィックを「foo.png」として保存し、同時にウィンドウに表示します。
1. データを準備する
1.1 1次元データ
私たちが最初にNumpy ライブラリを使用して長さ 100 の 1 次元配列を生成する, Matplotlib の操作を段階的に理解していきます。
# 导入 NumPy 库并将其命名为 np
>>> import numpy as np
# 使用 np.linspace() 函数生成一个从 0 到 10（包含）的等间距数组，数组长度为 100。生成一个长度为 100 的一维数组，并将其赋值给变量 x
>>> x = np.linspace(0, 10, 100)
>>> y = np.cos(x)
>>> z = np.sin(x)
1.2 2次元データまたは画像
Matplotlib についてある程度理解できたので、使ってみましょうナムピーそしてMatplotlib ライブラリデータと画像を生成してみましょう。
>>> data = 2 * np.random.random((10, 10))
# 生成一个形状为(10, 10)的随机数组，其中的元素取值范围在0到2之间，并将结果存储在变量data中
>>> data2 = 3 * np.random.random((10, 10))
# 创建一个形状为(10, 10)的随机数组，元素的取值范围在0到3之间
>>> Y, X = np.mgrid[-3:3:100j, -3:3:100j]
# 创建两个二维数组Y和X，分别包含了从-3到3之间的100个等间隔的值
>>> U = -1 - X**2 + Y
# 计算一个与X和Y相关的二维数组U
>>> V = 1 + X - Y**2
# 计算另一个与X和Y相关的二维数组V
>>> from matplotlib.cbook import get_sample_data
# 导入函数get_sample_data，用于获取示例数据文件的路径
>>> img = np.load(get_sample_data('axes_grid/bivariate_normal.npy'))
# 加载一个示例数据文件，存储二维数组img
2.グラフィックを描く
Matplotlib は、グラフを描画し、データを視覚化するためのPython ライブラリです。合格matplotlib.pyplot モジュールをインポートします内の関数を使用して、グラフを作成および表示できます。通常、コード内で使用される入力量を簡素化するために、plt という名前が付けられます。
>>> import matplotlib.pyplot as plt
# 导入了Matplotlib库，并将其命名为plt
2.1 キャンバス
plt.figure() 関数を呼び出し て、適切なパラメータを指定しますでは、さまざまなサイズの Figure オブジェクトを作成して、その上にチャートやグラフを描画できます。
>>> fig = plt.figure()
# 创建一个Figure对象并将其赋值给变量fig
>>> fig2 = plt.figure(figsize=plt.figaspect(2.0))
# 创建另一个Figure对象并将其赋值给变量fig2
2.2 座標軸
グラフィックのベースになっているのは、軸コア用に描画されますが、ほとんどの場合はサブマップで十分です。サブプロットはグリッド システムの軸です。
Figure オブジェクトの add_subplot() メソッドを呼び出す か、subplots() 関数を使用することで、次のことができます。Figure 上に複数のサブプロットまたは軸を作成し、それらを異なる変数に割り当てる, そのため、サブプロットごとに異なるものが描かれます。
>>> fig.add_axes()
# 调用Figure对象的add_axes()方法，用来手动添加一个新的坐标轴到图形上
>>> ax1 = fig.add_subplot(221) # row-col-num
# 使用add_subplot()方法在Figure对象上创建一个子图（Axes对象）
# 参数(221)表示将整个图形窗口划分为2行2列的子图网格，并选择第一个子图作为当前的绘图区域（ax1）
>>> ax3 = fig.add_subplot(212)
# 使用add_subplot()方法在Figure对象上创建另一个子图（Axes对象）
# 参数(212)表示将整个图形窗口划分为2行1列的子图网格，并选择第二个子图作为当前的绘图区域（ax3）
>>> fig3, axes = plt.subplots(nrows=2,ncols=2)
# 使用subplots()函数创建一个有多个子图的Figure对象（fig3），并将两个返回值分别赋值给fig3和axes
# 参数nrows和ncols分别指定了子图的行数和列数，生成了一个2行2列的子图网格
>>> fig4, axes2 = plt.subplots(ncols=3)
# 使用subplots()函数创建另一个有多个子图的Figure对象（fig4），并将两个返回值分别赋值给fig4和axes2
# 参数ncols指定了子图的列数，生成了一个1行3列的子图网格
3. 描画ルーチン
3.1 1次元データ
私たちにもできますMatplotlib ライブラリを使用してさまざまな種類のグラフやチャートを描画する。
>>> fig, ax = plt.subplots()
# 创建了一个Figure对象（fig）和一个Axes对象（ax）
# Figure对象代表整个图形窗口，而Axes对象代表一个具体的绘图区域，我们可以在其上绘制各种图形和图表
>>> lines = ax.plot(x,y) # 用线或标记连接点
# 使用plot()函数在Axes对象上绘制了一条线，通过连接给定的点(x, y)
>>> ax.scatter(x,y) # 缩放或着色未连接的点
# 使用scatter()函数在Axes对象上绘制散点图，展示了未连接的点
>>> axes[0,0].bar([1,2,3],[3,4,5]) # 绘制等宽纵向矩形
# 在子图网格中的第一个子图（axes[0, 0]）上绘制了垂直的等宽条形图，通过指定x轴和对应的高度值来创建矩形条
>>> axes[1,0].barh([0.5,1,2.5],[0,1,2]) # 绘制等高横向矩形
# 在子图网格中的第二个子图（axes[1, 0]）上绘制了水平的等高条形图，通过指定y轴和对应的宽度值来创建矩形条
>>> axes[1,1].axhline(0.45) # 绘制与轴平行的横线
# 在子图网格中的第三个子图（axes[1, 1]）上绘制了与y轴平行的横线，通过指定y轴的值来定义水平位置
>>> axes[0,1].axvline(0.65) # 绘制与轴垂直的竖线
# 在子图网格中的第四个子图（axes[0, 1]）上绘制了与x轴垂直的竖线，通过指定x轴的值来定义垂直位置
>>> ax.fill(x,y,color='blue') # 绘制填充多边形
# 使用fill()函数在Axes对象上绘制了填充多边形，通过连接给定的点(x, y)并填充指定的颜色
>>> ax.fill_between(x,y,color='yellow') # 填充y值和0之间
# 使用fill_between()函数在Axes对象上绘制了填充区域，通过将y值和0之间的区域填充成指定的颜色
3.2 ベクトルフィールド
次に、私たちは学び続けますMatplotlib ライブラリを使用して矢印を追加し、2D 矢印プロットを描画しますは、ベクトル場を視覚化し、図を非常に効率的に合理化するのに役立ちます。
>>> axes[0,1].arrow(0,0,0.5,0.5) # 为坐标轴添加箭头
# 在子图网格中的第四个子图（axes[0,1]）上添加了一个箭头
>>> axes[1,1].quiver(y,z) # 二维箭头
# 在子图网格中的第三个子图（axes[1,1]）上绘制了二维箭头图。quiver()函数用于绘制向量场，其中 y 和 z 是对应x轴和y轴上的向量分量
>>> axes[0,1].streamplot(X,Y,U,V) # 二维箭头
# 在子图网格中的第四个子图（axes[0,1]）上绘制了二维箭头图。streamplot()函数用于绘制流线图，其中 X 和 Y 是等距离的点网格，U 和 V 是对应点上的向量分量
3.3 データの配布
Matplotlibでプロット できますヒストグラム、箱ひげ図そしてヴァイオリンのダイアグラムデータの分布や外れ値などの統計を視覚化するため。
>>> ax1.hist(y) #直方图
# 在Axes对象 ax1 上绘制了直方图，图用于显示数据的分布情况。y 是要绘制直方图的数据
>>> ax3.boxplot(y) # 箱形图用于展示数据的概要统计信息，包括中位数、四分位数等，y 是要绘制箱形图的数据
>>> ax3.violinplot(z) # 小提琴图结合了箱形图和核密度估计图的特点，可以显示出数据的分布密度和范围，z 是要绘制小提琴图的数据
3.4 2次元データまたは画像
以下はMatplotlib ライブラリを使用する場合です グラフィックウィンドウに画像を表示するを指定し、指定したカラーマップとパラメータを使用して設定します。
>>> fig, ax = plt.subplots()
# 创建了一个Figure对象（fig）和一个Axes对象（ax），代表整个图形窗口以及绘图区域
>>> im = ax.imshow(img, cmap='gist_earth', interpolation='nearest', vmin=-2, vmax=2)
# 使用imshow()函数在Axes对象上显示图像
# img是要显示的图像数据，cmap参数指定了色彩表的名称（这里使用了'gist_earth'），interpolation参数指定了图像插值的方法，vmin和vmax参数用于设置图像的最小和最大值的范围
# 色彩表或RGB数组
上記の設定により、次のことが可能になりますMatplotlib を使用して画像を表示するをクリックし、適切なカラー テーブル、補間方法、および必要に応じて画像を表示する画像値の範囲を選択します。
次に、Matplotlib ライブラリを使用して、さまざまな種類の疑似カラー マップと等高線を描画します。
>>> axes2[0].pcolor(data2) # 二维数组伪彩色图
# pcolor()函数用于绘制二维数组的伪彩色图，data2 是要绘制的数据
>>> axes2[0].pcolormesh(data) # 二维数组等高线伪彩色图
# pcolormesh()函数用于绘制二维数组的等高线伪彩色图，data 是要绘制的数据
>>> CS = plt.contour(Y,X,U)
# contour()函数用于绘制等高线图，Y 和 X 分别是数据点的横纵坐标，U 是对应的高度值。CS 是返回的等高线对象
>>> axes2[2].contourf(data1) # 等高线图
# contourf()函数用于绘制等高线图，并为区域着色，data1 是要绘制的数据
>>> axes2[2]= ax.clabel(CS) # 等高线图标签
# clabel()函数用于在等高线图上添加标签，CS 是等高线对象
これらの関数を利用することで、Matplotlib上で疑似カラーマップ、等高線疑似カラーマップ、二次元配列の等高線マップを描画し、画像処理を行うことができます。さらなるカスタマイズタグの追加など。
4. カスタムグラフィックス
4.1 カラー、カラーバー、カラーテーブル
Matplotlib ライブラリを使用して、さまざまな種類の折れ線グラフや画像を描画したり、色、透明度の設定、凡例の追加などのさまざまなカスタマイズを行うこともできます。
>>> plt.plot(x, x, x, x**2, x, x**3)# 在当前Figure上绘制了三条线图
# plot()函数用于绘制线图，参数x表示X轴的数据，参数x, x2, x, x3 分别表示三条曲线的Y轴数据
>>> ax.plot(x, y, alpha = 0.4)
# 在Axes对象 ax 上绘制了一条线图，并设置了透明度为0.4
# alpha 参数用于控制线图的透明度，x 和 y 分别表示X轴和Y轴的数据
>>> ax.plot(x, y, c='k')
# 在Axes对象 ax 上绘制了一条线图，并设置了颜色为黑色
# c 参数用于设置线图的颜色，'k' 表示黑色，x 和 y 分别表示X轴和Y轴的数据
>>> fig.colorbar(im, orientation='horizontal')
# 在当前Figure上添加了一个水平方向的图例
# colorbar()函数用于添加图例，在这里将 im 对象作为参数传入，并指定了图例的方向为水平
>>> im = ax.imshow(img, cmap='seismic')
# 在Axes对象 ax 上显示了一张图像，并使用色彩表 'seismic' 进行渲染
# imshow()函数用于显示图像，img 是要显示的图像数据，cmap 参数指定了色彩表的名称
4.2 マーキング
Matplotlib ライブラリを使用して、Figure オブジェクトと Axes オブジェクトを作成し、散布図と折れ線グラフを描画します。
>>> fig, ax = plt.subplots()# 创建了一个包含一个Axes对象的Figure对象
# 通过 fig 来控制整个图像窗口，通过 ax 来控制具体的绘图区域
>>> ax.scatter(x,y,marker=".")
# 在Axes对象 ax 上绘制了一组散点图
# scatter()函数用于绘制散点图，x 和 y 分别表示X轴和Y轴的数据，marker 参数指定了数据点的标记形状，这里使用 "." 表示小圆点
>>> ax.plot(x,y,marker="o")
# 在Axes对象 ax 上绘制了一条线图，同时每个数据点也被标记出来
# plot()函数用于绘制线图，x 和 y 分别表示X轴和Y轴的数据，marker 参数指定了数据点的标记形状，这里使用 "o" 表示实心圆
これらの関数を使用すると、Matplotlib で Figure オブジェクトと Axes オブジェクトを作成できます。Axes オブジェクトに散布図と折れ線プロットを描画するでは、マーカーの形状や色の設定など、さまざまな方法でグラフィックをカスタマイズすることもできます。
4.3 線種
使用Matplotlib ライブラリは折れ線グラフを描画します、行にいくつかのカスタマイズを加えます。
>>> plt.plot(x,y,linewidth=4.0)
# 绘制了一条线图，并设置了线条的宽度为4.0
# plot()函数用于绘制线图，x 和 y 分别表示X轴和Y轴的数据，linewidth 参数指定了线条的宽度
>>> plt.plot(x,y,ls='solid')
# 绘制了一条线图，并将线条样式设置为实线
# ls 参数用于设置线条的样式，'solid' 表示实线
>>> plt.plot(x,y,ls='--')
# 绘制了一条线图，并将线条样式设置为虚线
# ls 参数用于设置线条的样式，'--' 表示虚线
>>> plt.plot(x,y,'--',x**2,y**2,'-.')
# 绘制了两条线图，一条使用虚线样式，一条使用点划线样式
# 多个数据序列可以在同一个 plot() 函数中传入，使用不同的样式区分
# 这里先绘制了一条虚线样式的线图，再绘制了一条点划线样式的线图
>>> plt.setp(lines,color='r',linewidth=4.0)
# 用于设置已绘制线图的属性
# setp() 函数用于批量设置线条属性，lines 参数指定要设置的线条对象，color 参数设置线条的颜色为红色，linewidth 参数设置线条的宽度为4.0
4.4 テキストと注釈
Matplotlib ライブラリの text() 関数と annotate() 関数は、画像にテキストと注釈を追加するために 使用されます。
>>> ax.text(1, -2.1,'Example Graph', style='italic')
# 在Axes对象 ax 上添加了一个文本标签
# text()函数用于在指定的坐标位置添加文本，第一个参数是X轴坐标，第二个参数是Y轴坐标，第三个参数是要显示的文本内容
>>> ax.annotate("Sine", xy=(8, 0), xycoords='data', xytext=(10.5, 0), textcoords='data', arrowprops=dict(arrowstyle="->",connectionstyle="arc3"),)
# 在Axes对象 ax 上添加了一个箭头和注释
# annotate()函数用于在图像中添加带有注释和箭头的文本，第一个参数是注释的文本内容，xy参数表示箭头尖端的坐标，xycoords参数表示xy坐标的类型，xytext参数表示注释文本的坐标，textcoords参数表示xytext坐标的类型
# 通过arrowprops参数可以设置箭头的样式和连接样式
4.5 数学記号
Matplotlib ライブラリの title() 関数 を使用して画像のタイトルを設定します。
>>> plt.title(r'$sigma_i=15$', fontsize=20)
# 设置了图像的标题为"σi=15"，其中$...$表示使用LaTeX格式的数学公式进行显示。通过在字符串前加上r字符来指定该字符串为原始字符串，以便正确显示特殊字符
# fontsize=20参数用于设置标题的字体大小为20
4.6 サイズ制限、凡例、レイアウト
4.6.1 サイズ制約と自動調整
>>> ax.margins(x=0.0,y=0.1) # 添加内边距
>>> ax.axis('equal') # 将图形纵横比设置为1
>>> ax.set(xlim=[0,10.5],ylim=[-1.5,1.5]) # 设置x轴与y轴的限制
>>> ax.set_xlim(0,10.5) # 设置x轴的限制
4.6.2 凡例
>>> ax.set(title='An Example Axes', ylabel='Y-Axis', xlabel='X-Axis')
# 设置标题与x、y轴的标签
>>> ax.legend(loc='best')
4.6.3 マーキング
# 手动设置X轴刻度
>>> ax.xaxis.set(ticks=range(1,5),ticklabels=[3,100,-12,"foo"])
# 设置Y轴长度与方向
>>> ax.tick_params(axis='y', direction='inout', length=10)
4.6.4 サブプロットの間隔
# 调整子图间距
>>> fig3.subplots_adjust(wspace=0.5,hspace=0.3,left=0.125, right=0.9, top=0.9, bottom=0.1)
# 设置画布的子图布局
>>> fig.tight_layout()
4.6.5 座標軸エッジ
>>> ax1.spines['top'].set_visible(False)
# 隐藏顶部坐标轴线
>>> ax1.spines['bottom'].set_position(('outward',10))
# 设置底部边线的位置为outward
5.保存
5.1 キャンバスの保存
Matplotlib ライブラリの savefig() 関数 を使用して、現在のイメージを "foo.png" という名前の PNG ファイルとして保存します。
>>> plt.savefig('foo.png')
# 使用savefig()函数将当前绘制的图像保存为一个PNG文件。'foo.png'是保存的文件名，可以根据需要修改为其他文件名，例如'result.png'
5.2 透明キャンバスを保存する
Matplotlib ライブラリの savefig() 関数 を使用して、現在のイメージを背景が透明な「foo.png」という名前の PNG ファイルとして保存します。
>>> plt.savefig('foo.png', transparent=True)
# 使用savefig()函数将当前绘制的图像保存为一个PNG文件，并通过将transparent参数设置为True来实现透明背景
# 'foo.png'是保存的文件名，可以根据需要修改为其他文件名，例如'result.png'
6. グラフィックの表示
Matplotlib ライブラリの show() 関数を 使用して、現在プロットされているイメージを表示します。
>>> plt.show()
# 调用show()函数，它将当前绘制的图像显示在屏幕上
# 这个函数会打开一个图形窗口，并在其中显示图像
を使用してshow() 関数, Matplotlibで描画した画像を表示することができます。
7. クロージングとクリアリング
Matplotlib ライブラリの 3 つの関数を使用して、画像をクリアするかウィンドウを閉じます
>>> plt.cla() # 清除坐标轴
# 调用cla()函数，它会清除当前坐标轴的内容
>>> plt.clf() # 清除画布
# 调用clf()函数，它会清除整个当前图像的内容，包括坐标轴和所有绘制的内容
>>> plt.close() # 关闭窗口
# 调用close()函数，它会关闭当前图像的窗口
これらの関数を使用すると、現在の画像の内容をクリアしたり、画像ウィンドウを閉じたりすることができます。ただし、次のことに注意してください。cla() 関数と clf() 関数は、画像ウィンドウの表示には直接影響しません。ですが、代わりにimage または axis の内容をクリアします。close() 関数は画像ウィンドウを閉じます。。